機器視覺：應用廣泛+持續(xù)高盈利鑄就高景氣賽道

為機器植入“眼睛”和“大腦”，融入工業(yè)基礎

機器視覺的本質(zhì)是為機器植入“眼睛”和“大腦”，基于捕獲并處理的圖像為設備執(zhí)行功 能提供操作指導，通常機器視覺系統(tǒng)包含軟件和硬件部分，具體可分為三大環(huán)節(jié)：1）成 像單元（光源、鏡頭、相機、圖像采集卡、控制器和配件）；2）圖像分析與處理單元（信 息處理平臺、機器視覺算法庫）；3）智能決策與執(zhí)行單元（AI 能力平臺、現(xiàn)場應用軟件）。

機器視覺技術(shù)將“機器代替人眼”的理念應用于工業(yè)制造中，相比于人眼觀測，機器視 覺在精度、速度、適應性、客觀性、重復性、可靠性、信息集成等方面具有顯著優(yōu)勢， 是工業(yè)制造數(shù)字化、網(wǎng)絡化、智能化的未來發(fā)展方向。

因此機器視覺在諸多場景下可以代替人眼視覺并取得更優(yōu)異的效果，其基礎功能可以歸 納為四種：定位、識別、測量與檢測。

1）定位。機器視覺定位是將零件的位置和方向與指定的空間公差進行比較的過程。在 2D 或 3D 空間中，零件的位置和方向被傳輸給機器人或機器元件，以便于它對齊或?qū)⒛?標放置在適當?shù)奈恢煤头较�。相比手動檢查、對齊和定位，機器視覺定位系統(tǒng)具有更高 的精度和速度，實際的定位應用包括機器人拾取和放置傳送帶上的零件、玻璃基板的定 位、檢查條形碼和標簽對齊、檢查 PCB 中的 IC 放置以及排列包裝托盤中的零件。

2）檢測。缺陷檢測是制造業(yè)中最基本的質(zhì)量控制方法之一，也是機器視覺系統(tǒng)最常用 的功能。在缺陷檢測中，機器視覺會搜索零件表面存在的裂紋、劃痕、瑕疵、間隙、污 染物、變色和其他不規(guī)則等缺陷。這些缺陷隨機出現(xiàn)，因此機器視覺算法會尋找圖案變 化、顏色或紋理變化、不連續(xù)性或連接結(jié)構(gòu)。機器視覺系統(tǒng)可以將缺陷按類型、顏色、 紋理和大小進行分類，并篩選出不符合標準的缺陷部分。相比人眼檢測，機器視覺系統(tǒng) 可以快速有效地檢測人眼看不見的微小缺陷，并且可以長時間運行。缺陷檢測廣泛用于 檢查半導體和電子元件、電器、食品及其包裝、連續(xù)卷材生產(chǎn)的材料（例如紙張、塑料、 金屬）等。一旦檢測到來自流程的故障部件，流程將立即停止并進行糾正，故障部件將 與其批次分開。缺陷檢測通常與存在性檢查、測量和定位功能一起集成到機器視覺系統(tǒng) 中。

3）測量。機器視覺測量主要用于檢查零件的尺寸精度和幾何公差。機器視覺系統(tǒng)通過 計算兩個或多個點之間的距離以及對象上目標特征的位置，以確定測量值是否符合規(guī)格。 要獲得高度準確、精確和可重復的測量，必須優(yōu)化機器視覺系統(tǒng)的照明和光學系統(tǒng)。測 量通常與缺陷檢測結(jié)合使用，用于測量零件中檢測到的不規(guī)則性，另外還可用于計算零 件的體積。

4）識別。機器視覺識別主要用于掃描和讀取條形碼、二維碼、零件標記以及在零件、標 簽和包裝上的字符，這些標記包含產(chǎn)品名稱、制造商、日期代碼、批號和有效期等，標 識有助于提升零件的可追溯性、庫存控制和產(chǎn)品驗證系統(tǒng)。識別系統(tǒng)包括光學字符識別 （OCR）或光學字符驗證（OCV）系統(tǒng)，在 OCR 系統(tǒng)中，機器視覺在事先不知道待查 字符的情況下讀取目標上打印的字符；在 OCV 系統(tǒng)中，機器視覺在已知待查字符的情 況下驗證字符串的存在。

機器視覺在工業(yè)領域應用廣泛，其中檢測功能難度最大、應用最廣。在實現(xiàn)難度方面， 識別相對最簡單，檢測相對最難，盡管如此，檢測仍然是機器視覺在工業(yè)領域的最主要 應用，應用占比達 50%，識別、定位和測量功能分別占比 24%、16%和 10%。

下游應用廣泛，賽道具備長期高盈利屬

在機器視覺領域，可以把各個部件劃分為光源，鏡頭，相機，采集卡，算法等。各個部 件都是系統(tǒng)的有機組合，均有各自的重要性。從系統(tǒng)上來說，機器視覺是一套圖像處理 系統(tǒng)。機器視覺具有定位、識別、測量與檢測四大功能，其中檢測功能難度最大、應用 最廣。由于機器視覺具備通用屬性，是工業(yè)領域的“眼睛”，因此其下游應用廣泛，涵蓋 3C 電子、汽車、半導體等眾多行業(yè)。

機器視覺屬于技術(shù)密集型行業(yè)，具備持續(xù)且穩(wěn)定的高盈利屬性。從毛利率來看，基恩士 和康耐視作為機器視覺全球兩大龍頭企業(yè)，1997-2021 年平均毛利率分別高達 79%、 72%，遠超一般行業(yè)水平，近 5 年更是高達 82%、74%，奧普特近 5 年平均毛利率也達 到 71%，說明機器視覺行業(yè)不僅具備長期高盈利的特點，而且還處于成長期。 從凈利率來看，基恩士維持增長態(tài)勢，自 1997 年的 23%穩(wěn)定增長至 2021 年的 40%， 康耐視盡管在 2001、2009 年陷入虧損，但整體仍然保持較高毛利率，1997-2021 年平 均凈利率達 25%，5 年視角來看，基恩士與奧普特基本處于同一凈利率水準，均略高于 康耐視。整體來說，機器視覺行業(yè)具備持續(xù)且穩(wěn)定的高盈利屬性。

行業(yè)空間星辰大海，細分賽道多點開花

市場容量不斷擴大，全球龍頭持續(xù)成長

機器視覺具有長坡厚雪的屬性，特點是成長期長、天花板高。2021 年全球機器視覺器 件市場規(guī)模超 800 億元，中國市場已成為市場容量擴大的主要驅(qū)動力。根據(jù) GGII 數(shù)據(jù)， 2021年全球/中國機器視覺市場規(guī)模分別為804億元/138億元，同比增長12.1%/46.8%， 2016-2021 年 CAGR 分別為14.0%/24.1%，中國機器視覺市場規(guī)模增速顯著快于全球， 2021 年中國貢獻了全球一半的市場規(guī)模增量。 根據(jù) GGII 預測，預計 2025 年全球/中國機器視覺市場規(guī)模分別達 1276 億元/469 億元， 21-25 年 CAGR 分別為 12.2%/35.7%，中國市場有望繼續(xù)作為全球市場增量的主要貢 獻者。從細分產(chǎn)品來看，3D 視覺在中國仍處起步階段，2021 年市場規(guī)模約為 11.5 億， 預計 2025 年將達 104.4 億元，2021-2025 年 CAGR 為 73.5%。

從市場成長來看，中國市場重要性日益凸顯。在機器視覺發(fā)展早期，主要消費市場集中 在歐美和日本，2012 年，康耐視在美國、歐洲和日本的銷售額占比分別為 31%、31% 和 13%，基恩士日本和美國的銷售額占比分別為 61%、13%。隨著全球制造中心向中 國轉(zhuǎn)移以及中國市場對機器視覺的接受度日漸提高，中國已經(jīng)逐漸成為美國和歐洲之后 的機器視覺第三大市場，2015 年基恩士、康耐視分別開始單獨披露中國、大中華區(qū)銷售份額。2021 年，基恩士在中國的銷售額占比已經(jīng)達到其總營收的 17%，康耐視在大 中華區(qū)的銷售額占比達到其總營收的 19%。

美國成熟市場仍在持續(xù)擴張，為中國市場發(fā)展提供借鑒目標。以全球最主要的機器視覺 市場之一美國為例，盡管已經(jīng)發(fā)展了數(shù)十年，美國機器視覺市場仍保持增長�；魇康� 美國地區(qū)收入在 2012-2021 年（自然年）的復合增速約為 16.7%，康耐視的美國地區(qū)收 入在 2012-2021 年的復合增速約為 16.4%，說明機器視覺的成長期較長，中國作為機 器視覺全球新興市場，有望復制美國等機器視覺成熟市場的發(fā)展路徑。

細分行業(yè)多點開花，順應趨勢遍地掘金

中國機器視覺主要應用于制造業(yè)，其中消費電子占比最大。根據(jù)機器視覺產(chǎn)業(yè)聯(lián)盟 （CMVU）統(tǒng)計數(shù)據(jù)，2021 年中國機器視覺銷售額的 79.8%應用于制造業(yè)，包含消費 電子、鋰電、半導體（含 PCB）、電氣/電子（除半導體）、汽車、印刷和紙張、光伏等細 分行業(yè)，其中消費電子領域用機器視覺占全行業(yè)的比例為 21.9%，為目前機器視覺最主 要的下游應用行業(yè)；其次為鋰電行業(yè)，全行業(yè)占比約為 10.8%。

新能源（鋰電）成為中國機器視覺行業(yè)新支撐。根據(jù) CMVU 統(tǒng)計數(shù)據(jù)，在中國制造業(yè) 中，除了最大下游消費電子之外，鋰電行業(yè)的機器視覺應用隨著新能源汽車行業(yè)高速發(fā) 展而持續(xù)增長，2019-2021 年，機器視覺在鋰電行業(yè)的銷售額 CAGR 達 110.4%，在光 伏行業(yè)的發(fā)展與鋰電行業(yè)類似，均實現(xiàn)銷售額占比三連增，但光伏應用的體量目前還較 小，2021 年光伏領域機器視覺銷售額占全行業(yè)的比例為 4.0%。

3C 電子：從組裝向非組裝拓展

在消費電子行業(yè)，工業(yè)機器視覺在主板、零部件組裝、整機組裝這三大生產(chǎn)環(huán)節(jié)均有應 用。隨著近年來中國經(jīng)濟快速發(fā)展、居民收入水平提升、以及全球電子制造中心向發(fā)展 中國家轉(zhuǎn)移，中國逐漸成為全球最大的消費電子產(chǎn)品市場之一。電子產(chǎn)業(yè)的自動化水平 較高，也是當前中國市場機器視覺最主要的下游行業(yè)。消費電子行業(yè)的產(chǎn)品主要包括平 板電腦、筆記本、臺式機、傳統(tǒng)手機（淘汰中）、智能手機、電視和相機等 7 大類。其 中，智能手機憑借越來越多的消費應用，市場占比逐步攀升，目前已接近 50%。 消費電子產(chǎn)品的發(fā)展趨勢是逐漸精密化，同時也伴隨著元器件尺寸越來越小和質(zhì)量標準 日漸提高。以智能手機為例，每一代產(chǎn)品與技術(shù)升級，幾乎都需要對機器視覺工具進行 更新。因此，行業(yè)整體對于機器視覺的需求呈放大趨勢。目前在主板和零部件端，2D 視 覺仍是主要的機器視覺應用，3D 視覺為輔，未來具有較大發(fā)展空間。在整機組裝端， 機器視覺已應用于定位、測量、檢測和識別。在成品端，機器視覺由于其高精度、高速度的檢測能力，可以出色完成對劃痕、破損、斑點、色差等的外觀檢測，且隨著客戶要 求提升及機器視覺技術(shù)進步，機器視覺的外觀檢測應用將越來越多。

鋰電：中國機器視覺市場新增長極

目前機器視覺還沒有應用到鋰電池所有生產(chǎn)工藝中，前中段（涂布、分切、模切、卷繞、 疊片等）應用較多，后段（密封釘焊后檢測、包藍膜前后的外觀檢測等），以及模組段 （底部藍膠檢測、BUSBAR 焊縫檢測、側(cè)焊縫檢測、模組全尺寸外觀檢測、PACK 檢測 等）應用相對較少，隨著技術(shù)的不斷成熟，未來機器視覺產(chǎn)品在各環(huán)節(jié)的應用有望實現(xiàn) 快速滲透。

隨著電芯、模組、PACK 測量要求日益提升，被測物體條件愈發(fā)復雜，3D 視覺可解決傳 統(tǒng) 2D 視覺無法精準檢測高度特征的缺陷，且對外部環(huán)境依賴度低，可作為鋰電機器視 覺的有效補充。

受益于鋰電行業(yè)持續(xù)高景氣，中國鋰電市場規(guī)�？焖僭鲩L，2017-2021 年中國鋰電池產(chǎn) 量 CAGR 為 20.3%。目前機器視覺在鋰電行業(yè)仍處加速滲透階段，預計鋰電機器視覺 檢測系統(tǒng)市場規(guī)模將保持快于鋰電池行業(yè)整體的增速。根據(jù) GGII 預測，鋰電行業(yè)機器 視覺未來 5 年 CAGR 有望達到 40%+，有望得益于：1）應用場景的增加，未來機器視 覺在鋰電池制造環(huán)節(jié)滲透率有望逐步上升；2）過去鋰電池質(zhì)量主要依靠人工檢測為主， 視覺替代人工檢測的趨勢有望加快；3）早期鋰電企業(yè)擴產(chǎn)不會考慮很多AI場景的鋪設， 后期預計加裝視覺檢測系統(tǒng)。

半導體：高精度需求驅(qū)動 3D 視覺發(fā)展，國產(chǎn)占比持續(xù)提升

工業(yè)機器視覺應用最早的領域是半導體行業(yè)，發(fā)展已經(jīng)較為成熟，其高端市場基本被海 外廠商占據(jù)。在半導體領域，機器視覺已被應用于半導體外觀缺陷、尺寸、數(shù)量、平整 度等檢測環(huán)節(jié)，并廣泛應用于晶圓制造和封裝測試中的檢測、定位、切割和封裝過程， 晶圓在切割前必須使用機器視覺系統(tǒng)檢測出瑕疵，并打上標記。在隨后的切割過程中需 要利用機器視覺系統(tǒng)進行快速精準定位，機器視覺技術(shù)相比之下具備顯著精確度及速度 優(yōu)勢。2020-2022H1，半導體行業(yè)維持高增，2022H2 由于行業(yè)高庫存進入調(diào)整期，后 續(xù)隨著庫存消化，半導體行業(yè)有望繼續(xù)成為工業(yè)機器視覺的重要支撐。

隨著終端應用需求的持續(xù)發(fā)展，全球半導體產(chǎn)能持續(xù)擴張，半導體設備市場規(guī)模穩(wěn)步提 升。2016-2021 年，全球半導體設備銷售規(guī)模由 412 億美元提升至 1026 億美元，CAGR 達 20%�；谙掠问袌鲂枨蟮目焖僭鲩L和半導體產(chǎn)業(yè)鏈向我國的轉(zhuǎn)移，我國的半導體產(chǎn) 業(yè)規(guī)�？焖贁U張。2016 年至 2021 年，中國大陸的半導體設備市場規(guī)模由 65 億美元增 長至 296 億美元，CAGR 達到 35.6%；中國大陸占全球半導體設備市場規(guī)模的比例由 16%快速增長至 29%。

傳統(tǒng)的半導體封測設備，精度普遍要達到微米（0.001mm）到亞微米（1.0μm）之間， 速度大約在每秒 40~50 平方厘米，誤報率 5%~10%，在此環(huán)節(jié)，2D 機器視覺已完全被 3D 取代。先進封裝更因小尺寸、輕薄化、高引腳、高速度，大幅縮減芯片尺寸。因此， 3D 機器視覺在其中發(fā)揮著巨大作用，3D 視覺檢測設備市場正處在高速增長中。中國機 器視覺行業(yè)對于 3D 視覺解決方案的研發(fā)投入由 2019 年的 2.28 億元增長至 2021 年的 6.46 億元，占全行業(yè)研發(fā)投入的比例由 2019 年的 15.6%增長至 2021 年的 20.8%。

汽車：產(chǎn)銷量上行帶動機器視覺需求持續(xù)增長

如今的汽車行業(yè)已實現(xiàn)高度自動化，工業(yè)機器視覺發(fā)揮著生產(chǎn)高效、質(zhì)量保障、安全可 靠的巨大作用。機器視覺已貫穿整個汽車制造過程，包括從初始原料質(zhì)檢到汽車零部件 100％在線測量，再對焊接、涂膠、沖孔等工藝過程進行把控，最后對車身總成、整車 質(zhì)量進行把關(guān)。 機器視覺檢測系統(tǒng)可以完成工藝檢測、自動化跟蹤、追溯與控制等，包括通過光學字符 識別（OCR）技術(shù)獲取車身零件編碼以保證零件在整個制造過程中的可追溯性，通過識 別零件的存在或缺失以保證部件裝配的完整性，以及通過視覺技術(shù)識別產(chǎn)品表面缺陷或 加工工具是否存在缺陷以保證生產(chǎn)質(zhì)量。如汽車總裝和零部件檢測、焊接質(zhì)量檢測、電 器性能檢測、發(fā)動機檢測等。此外，視覺引導技術(shù)負責引導機器人進行最佳匹配安裝、 精確制孔、焊縫引導及跟蹤、噴涂引導、風擋玻璃裝載引導等操作。隨著新能源和智能 汽車的電子零部件占比提升，工業(yè)機器視覺有望發(fā)揮越來越重要的作用。

據(jù)中汽協(xié)數(shù)據(jù)，2022 年我國汽車總銷量達到 2686.4 萬輛，同比增長 2.2%；新能源汽 車銷量達到 688.7 萬輛，同比增長 95.6%，新能源車滲透率達 25.6%，說明新能源汽車 市場已從政策驅(qū)動轉(zhuǎn)向市場拉動。由于機器視覺技術(shù)在新能源汽車領域應用范圍更廣， 技術(shù)水平要求更高，新能源汽車行業(yè)高速發(fā)展有望助推汽車工業(yè)制造領域的機器視覺應 用需求持續(xù)快速擴張。

技術(shù)持續(xù)迭代，深度學習孕育新機

傳統(tǒng)的機器視覺技術(shù)一般需要先將數(shù)據(jù)表示為一組特征，然后將這些特征進行分析，或 輸入到預測模型，從而得出預測結(jié)果。如果能夠配置正確的光學成像系統(tǒng)，則傳統(tǒng)方式 對結(jié)構(gòu)化場景下的定量檢測將具有速度、準確性和可重復性上的優(yōu)勢，例如在一條生產(chǎn) 線上，可以以每分鐘成千上萬個的速度快速檢查人眼無法觀測的極小的物體，并且具有 高可靠性和低錯誤率。 傳統(tǒng)工業(yè)機器視覺基本是完成指定動作，很難適應隨機性強、特征復雜的工作任務。隨 著機器視覺在不同行業(yè)應用的擴展，尤其是在外觀檢測的應用中，需要應對缺陷類型復 雜化、細微化、背景噪聲復雜等場景。傳統(tǒng)算法處理這類應用時，呈現(xiàn)端側(cè)算力成本越 來越高、單點系統(tǒng)維護成本過高、數(shù)據(jù)孤島、通用性/智能性欠佳等缺點。因此，目前機 器視覺正由傳統(tǒng)工業(yè)視覺向深度學習工業(yè)視覺轉(zhuǎn)變。

深度學習是將原始的數(shù)據(jù)特征通過多步的特征轉(zhuǎn)換得到一種更高層次、更抽象的特征表 示，并進一步輸入到預測函數(shù)得到最終結(jié)果。基于深度學習的機器視覺在理想狀態(tài)下可 以結(jié)合機器視覺的效率、魯棒性與人類視覺的靈活性，從而完成復雜環(huán)境下的檢測，特 別是涉及偏差和事先未能預測缺陷的情形。并且，通用機器視覺，以及工業(yè)機器視覺的 應用場景的不斷豐富，將解決成本難題，不僅降低總成本，而且 24 小時不間斷工作， 使得成本大大降低。一旦可批量代替產(chǎn)線檢測人員、操作人員等，便具備生產(chǎn)成本優(yōu)勢。

部件選型決定系統(tǒng)性能，環(huán)節(jié)不同要求各異

機器視覺系統(tǒng)成本與盈利剖析

機器視覺是由圖像攝取裝置將被攝取目標轉(zhuǎn)換成圖像信號（即機器視覺產(chǎn)品），再將圖 像信號，結(jié)合特定需求，根據(jù)像素分布和亮度、顏色等形態(tài)信息，轉(zhuǎn)變成數(shù)字化信號。 如果僅以獲取數(shù)據(jù)為目的，至此已經(jīng)完成，但是如果要根據(jù)獲取數(shù)據(jù)調(diào)動設備執(zhí)行任務， 則需要對數(shù)字信號進行運算，針對目標特征（如涂裝中的色差）進行對比，指令設備將 會繼續(xù)工作，或者轉(zhuǎn)入另一道工序。 從成本角度來看，目前中游零部件環(huán)節(jié)的占比超過 60%，底層軟件系統(tǒng)開發(fā)占比達到 19.88%。其中，元器件成本中，相機占比最大，達到 27.11%。這主要是由于目前中國 的高端機器視覺核心組件設備（如高端鏡頭、高端 CCD 和 CMOS、智能相機、高速圖 像處理軟件等）大多來自進口，高端核心技術(shù)被國外巨頭牢牢把控，國內(nèi)企業(yè)當前主要 還是集中在生產(chǎn)光源、板卡、圖像軟件、相機和機器視覺集成系統(tǒng)方面。

在機器視覺產(chǎn)業(yè)鏈中，掌握核心零部件的公司毛利率處于上游位置，且具備持續(xù)、穩(wěn)定 的高盈利屬性。目前基恩士、康耐視以及公司均掌握核心零部件技術(shù)，近 5 年毛利率中樞分別達 82%、74%和 71%，其中基恩士與康耐視的高毛利已經(jīng)維持了數(shù)十年。而國 內(nèi)視覺裝備公司的毛利率在 38%-48%左右，下游系統(tǒng)集成業(yè)務的毛利率則在 40%以下。 基恩士、康耐視雖然也有視覺設備業(yè)務，但主要為代工廠模式，整體呈輕資產(chǎn)運營，因 此并不影響整體的高盈利水平。

核心零部件：品質(zhì)與非標決定系統(tǒng)性能

相機：機器視覺核心部件，性能穩(wěn)定可靠為首要目標

工業(yè)相機具有高圖像穩(wěn)定性、高傳輸能力和高抗干擾能力等，其功能是將光信號轉(zhuǎn)變成 為可解釋的電信號，再將電信號模數(shù)轉(zhuǎn)換并交由處理器進行分析和識別。 機器視覺相機按照掃描方式分為線掃描相機、面掃描相機和 3D 掃描相機。線掃描相機 一次可以精確快速地捕捉一行數(shù)字圖像。相機仍然可以看到整個物體。完整的圖像是在 軟件中逐像素線構(gòu)建的。在檢查過程中，零件或相機必須在移動。線掃描相機可以在一 條線上檢測多個物體。它們是高速輸送系統(tǒng)和連續(xù)過程的理想選擇。它們適用于連續(xù)的 材料卷材，例如紙張、金屬和紡織品、大型部件和圓柱體。

面掃描相機使用矩形圖像傳感器來捕獲單幀圖像。生成的數(shù)字圖像的高度和寬度基于傳 感器上的像素數(shù)。視覺處理單元逐幅分析場景。面掃描相機幾乎可以執(zhí)行所有常見的工 業(yè)任務，并且更易于設置和校準。與線掃描相機不同，面掃描相機更適合檢測靜止物體。 物體可以在面掃描相機前暫時暫停以進行檢查。 3D 掃描相機可以在 X、Y 和 Z 平面進行檢測，并計算物體在空間中的位置和方向。他 們使用單個或多個攝像頭和激光位移傳感器。在單攝像頭設置中，必須移動攝像頭以生 成由激光在物體上的位置位移產(chǎn)生的高度圖。物體的高度及其表面平面度可以使用校準 的偏移激光計算。在多相機設置中，部署激光三角測量以生成物體形狀和位置的數(shù)字化 模型。 3D 掃描相機非常適合檢查 3D 成型零件和機器人引導應用。這種類型的機器視覺相機 可以容忍輕微的環(huán)境干擾（例如，光線、對比度和顏色變化），同時提供精確的信息。因 此，它們廣泛應用于計量、工廠自動化和零件缺陷分析。

通常來說，工業(yè)相機要求在性能上更為穩(wěn)定可靠；在使用上要便于安裝，且不易損壞； 在工作強度上，要連續(xù)工作更長時間；在工作環(huán)境上，要適應更惡劣的環(huán)境；在反應速 度上要更快，便于抓拍高速運動中的物體�？傮w上，機器視覺對工業(yè)相機的要求主要在 于穩(wěn)定、實用，反而對其個性化需求不高，因此，相機在機器視覺核心零部件中基本屬 于標準件。

鏡頭：與相機共同決定系統(tǒng)分辨率

機器視覺系統(tǒng)最重要的參數(shù)是系統(tǒng)分辨率，一個設備的系統(tǒng)分辨越高，價值越大。一般 使用像素精度來表示系統(tǒng)分辨率，像素精度即單個像素代表的物理尺寸，理論上，提高 系統(tǒng)精度的方法就是盡可能提高單位面積的像素比例。 光學系統(tǒng)的精度不可以無限提高，這是因為光學系統(tǒng)的分辨率（光學分辨率）和相機的 圖像分辨率符合“木桶理論”。在相機分辨率越來越高的時代背景下，成像系統(tǒng)分辨率的 “壓力”也就落在了鏡頭上，所以更高分辨率的鏡頭在成像系統(tǒng)中的作用越來越重要。 因此，工業(yè)鏡頭與普通的照相機鏡頭相比，在分辨率、對比度、景深以及像差等指標上， 有著更高的要求。需要更小的光學畸變、足夠高的光學分辨率、豐富的光譜響應選擇等， 以滿足不同生產(chǎn)環(huán)境的應用需求。要提升鏡頭分辨率，技術(shù)關(guān)鍵主要在于設計和制造水 平的打磨。

在機器視覺鏡頭選型時，需要考慮視野范圍、光學放大倍數(shù)、期望工作距離、景深以及 與光源的配合等要素，具備一定非標屬性。例如：1）光源。在設計研發(fā)時，一般會對特 定波段優(yōu)化鏡頭的分辨率。使用特定波長以外的光源，鏡頭分辨率下降。一般來說，使 用特定波段單色光，鏡頭分辨率會提升。2）工作距離。對工業(yè)定焦鏡頭而言，多數(shù)產(chǎn)品 的最佳工作距離是 300mm-600mm，其他工作距離，分辨率表現(xiàn)可能會下降。而安防鏡 頭的最佳工作距離為遠距離和無窮遠。微距鏡頭的最佳工作距離為近距離。3）光圈。減 小鏡頭的光圈，分辨率會提高。但是光圈越小，衍射極限的限制也越明顯。

光源：制備技術(shù)相對成熟，組合應用考驗非標設計能力

光源是機器視覺中基礎的部件之一，光源的作用主要是增強物體檢測部分與非檢測部分 的對比度，需要根據(jù)具體應用場景進行不同程度的非標設計。由于相機無法檢查它“看不到”的物體，因此需要光源發(fā)揮著照亮目標、突出特征，便于圖像處理的作用。同時， 要具備克服環(huán)境光干擾、保證圖像穩(wěn)定性的能力，以及作為測量或作為參照物的工具性 能。特殊情況下，對物體特定部位予以亮度增強。 光源自身照明參數(shù)（強度、亮度、形狀、大小、顏色）以及其與物體的距離、角度均會 影響照明效果，此外，在光照優(yōu)化過程中還需要考慮物體的表面屬性。以國內(nèi)龍頭奧普 特為例，其非標光源方案達 3 萬余種�？傮w來說，光源以及照明技術(shù)并不是一成不變的， 而是需要根據(jù)具體應用場景進行不同程度的非標設計，例如光源種類包括 LED、石英鹵 素燈、熒光燈、氙氣頻閃光源等，照明技術(shù)又包括明場照明、暗場照明、背光照明、漫 射照明、軸向擴散照明、平面擴散照明等。

總體上，核心零部件中，相機、鏡頭、光源的標準化程度依次降低，非標屬性依次增強。

圖像采集卡：關(guān)鍵在于分辨率和靈敏度的平衡

機器視覺相機內(nèi)的圖像采集卡將鏡頭捕獲的光轉(zhuǎn)換為數(shù)字圖像，通常依據(jù) Camera Link、 CoaXPress 等協(xié)議標準收取前端工業(yè)相機數(shù)據(jù)，在板載內(nèi)存中進行處理，然后通過 PCI、 PCIe、USB 等接口寫入計算機內(nèi)存，一般為支持客戶進行二次開發(fā)的標準品。它通常 利用電荷耦合器件（CCD）或互補金屬氧化物半導體（CMOS）技術(shù)將光子轉(zhuǎn)換為電信 號。圖像采集卡的輸出是由像素組成的數(shù)字圖像，顯示鏡頭觀察到的區(qū)域中是否存在光。 分辨率和靈敏度是圖像采集卡的關(guān)鍵參數(shù)。分辨率是采集卡在數(shù)字圖像中產(chǎn)生的像素數(shù)。 “具有更高分辨率的采集卡產(chǎn)生更高質(zhì)量的圖像”意味著可以在被檢查的物體中觀察到 更多細節(jié)，并且可以獲得更準確的測量結(jié)果。分辨率還指機器視覺感知微小變化的能力。 靈敏度是指檢測圖像中可區(qū)分的輸出變化所需的最小光量。分辨率和靈敏度彼此成反比， 因此提高分辨率會降低靈敏度。

視覺處理單元：底層算法為核心競爭力

機器視覺系統(tǒng)的視覺處理單元使用算法來分析傳感器產(chǎn)生的數(shù)字圖像。視覺處理涉及一 系列步驟，在外部（通過計算機）或在內(nèi)部（對于獨立機器視覺系統(tǒng)）執(zhí)行。首先，數(shù)字圖像從圖像傳感器中提取出來并傳送到計算機。接下來，通過突出圖像上的必要特征 來準備用于分析的數(shù)字圖像。然后分析圖像以定位需要觀察和測量的特定特征。完成對 特征的觀察和測量后，會將它們與定義和預編程的規(guī)范和標準進行比較。最后，做出決 定，并傳達結(jié)果。 具體說，機器視覺軟件類似人的“大腦”，通過圖像處理算法完成對目標物的識別、定 位、測量、檢測等功能。機器視覺軟件分為底層算法和二次開發(fā)的軟件包兩類。前者是 包含大量處理算法的工具庫，用以開發(fā)特定應用，主要使用者為集成商與設備商。后者 是封裝好的、用以實現(xiàn)某些功能的應用軟件，主要供最終用戶使用。

產(chǎn)業(yè)鏈格局分化，國產(chǎn)廠商蓄勢突圍

各環(huán)節(jié)參與企業(yè)眾多，未來將迎百花齊放格局

目前機器視覺各環(huán)節(jié)龍頭呈現(xiàn)良性錯位競爭，國內(nèi)企業(yè)產(chǎn)品相對局限。機器視覺廠商可 以分為三大類：1）核心零部件供應商，目前龍頭公司集中在歐美、日本和美國，且呈現(xiàn) 龍頭聯(lián)合研發(fā)的趨勢；2）軟件及 AI 服務商，主要以集成了通用算法的軟件開發(fā)包和 AI 加速平臺服務商為主，龍頭公司幾乎來自海外；3）視覺系統(tǒng)及解決方案集成商，我國本 土的機器視覺企業(yè)大多屬這一類，以工業(yè)自動化非標設備及方案為主要業(yè)務，對機器視 覺核心零部件的把控能力較弱，全產(chǎn)品線運營能力亟待提高。

中國機器視覺行業(yè)起步較晚，早年主要依靠代理國外品牌產(chǎn)品，隨著技術(shù)經(jīng)驗的積累， 部分代理商逐步推出自主品牌，目前中國機器視覺企業(yè)銷售自主品牌已經(jīng)成為主流，且 銷售自主產(chǎn)品的比例仍在持續(xù)擴大，由 2019 年的 79.2%提升至 2021 年的 82.2%。此 外，隨著參與企業(yè)增多，中國機器視覺市場集中度在 2019-2021 年呈下降趨勢，CR5 市 占率由 37.7%降至 31.3%，CR10 由 51.3 降至 43.1%。預計隨著國內(nèi)市場擴容、國內(nèi) 企業(yè)自主研發(fā)能力增強、技術(shù)與資金逐漸積累等，中國機器視覺行業(yè)集中度將繼續(xù)呈下 降趨勢，未來將迎來百花齊放格局。

當前與國際巨頭基恩士相比，國產(chǎn)企業(yè)的市場規(guī)模仍有差距，但在國內(nèi)密集的科研資源 和資本投入的推動下，中國的機器視覺技術(shù)和市場正在快速成長。隨著核心部件和系統(tǒng) 集成方案的更新迭代，國際巨頭在中國市場的慣性優(yōu)勢將不斷被削弱，以奧普特等為代 表的一批中國機器視覺企業(yè)將有望成長為行業(yè)領頭羊。

始于系統(tǒng)集成，興于核心部件，國產(chǎn)廠商奮起直追

國產(chǎn)機器市場廠商起初主要進行系統(tǒng)集成，核心零部件基本依靠進口及代理，部分領先 公司如奧普特自研突破了核心零部件技術(shù)，并由硬件向軟件延伸。整體上，目前工業(yè)機 器視覺領域的國產(chǎn)品牌市占率持續(xù)提升，2020 年首次超過外資份額，達到 52%。隨著 國內(nèi)廠商逐步完善產(chǎn)業(yè)鏈布局，結(jié)合國產(chǎn)性價比及國內(nèi)行業(yè)發(fā)展的助力，有望實現(xiàn)國產(chǎn) 突圍。

在機器視覺核心部件中，光源非標定制屬性最強，國內(nèi)廠商也進入較早，目前國內(nèi)市場 基本由國產(chǎn)企業(yè)主導，其中奧普特市占率領先。鏡頭市場國產(chǎn)企業(yè)逐鹿低端，高端產(chǎn)品 仍需進口。目前我國工業(yè)鏡頭市場主要由國外老牌鏡頭廠商主導，包括美國 Navitar、德 國 Zeiss 等，但其產(chǎn)品價格較高，國內(nèi)鏡頭廠商主要從中低端市場切入，也已經(jīng)占據(jù)相 當?shù)氖袌龇蓊~。 工業(yè)相機國外品牌在高分辨率、高端工業(yè)相機領域仍占據(jù)主導地位，如瑞士 Baumer、 德國 Basler、德國 AVT、加拿大 PointGrey 等，市場份額方面國內(nèi)企業(yè)也已經(jīng)取得一定 突破。

視覺軟件方面，國外研究學者較早地開展機器視覺算法的研究工作，并在此基礎上開發(fā) 了許多較為成熟的機器視覺軟件，包括有 OpenCV，HALCON，VisionPro，HexSight， EVision，SherLock，Matrox Imaging Library 等，這些軟件具有界面友好、操作簡單、 擴展性好、與圖像處理專用硬件兼容等優(yōu)點，從而在機器視覺領域得到了廣泛的應用。 HALCON 是德國 MVTec 公司開發(fā)的機器視覺算法包，支持多種語言集成開發(fā)環(huán)境， 應用領域涵蓋醫(yī)學、遙感探測、監(jiān)控以及工業(yè)應用，被公認是功能最強的機器視覺軟件 之一。視覺分析軟件國外知名廠家除了德國 MVTec，還有美國康耐視（Cognex）、加拿 大 Adept 等。

國產(chǎn)品牌的產(chǎn)品性能不斷趨近外資品牌，同時，國內(nèi)企業(yè)更加貼近國內(nèi)客戶需求，在綜 合解決方案定制化服務方面相比外資品牌更具優(yōu)勢。在視覺軟件與算法的性能方面，根 據(jù)凌云光招股說明書的比較，奧普特研發(fā)的 SciVision 在定位算法效率上已實現(xiàn)追趕甚 至超過外資一流品牌。根據(jù)奧普特招股說明書，公司的 2D 視覺算法處理精度已達到業(yè) 內(nèi)一流水平，例如，找邊+幾何測量精度可達 1pixel、圖像檢測精度達 1pixel、二維碼識 別的每模塊最小像素達到 1.68pixel。

可配置視覺系統(tǒng)是光學成像模塊（眼睛）與圖像處理系統(tǒng)（大腦）的集合體，可以獨立 完成圖像采集功能，并基于圖像采集的信息完成預期的處理工作（如定位、測量、檢測 和識別等）。2022 年上市科創(chuàng)板的國內(nèi)企業(yè)凌云光已經(jīng)構(gòu)建了可配置視覺系統(tǒng)的產(chǎn)品矩 陣，應用于消費電子、智慧交通、立體視覺、科學圖像、其他制造業(yè)等領域，在產(chǎn)品最 大分辨率等部分性能上已經(jīng)比肩甚至超越國際同行。

智能視覺裝備除了可配置視覺系統(tǒng)的軟硬件外，還包括自動化工作臺、PLC 控制器、I/O 卡、機械手臂、設備駕駛艙等部分。相比于可配置視覺系統(tǒng)主要為小型模塊化產(chǎn)品，需 要安裝到客戶的產(chǎn)品或自動化機臺上才能工作，智能視覺裝備是由光學成像硬件、圖像 處理軟件算法、自動化平臺（機臺/機械手）等部分組成的大型生產(chǎn)裝備。簡單來說，可 配置視覺系統(tǒng)只做了“眼睛”和“大腦”，而智能視覺裝備除了“眼睛”和“大腦”，還做了“四肢”， 從而可以形成直接面向下游客戶應用場景的定制化系統(tǒng)解決方案。

經(jīng)過多年技術(shù)沉淀，國產(chǎn)品牌逐漸具備生產(chǎn)多種機器視覺硬件產(chǎn)品、提供整體解決方案 的能力。根據(jù)奧普特、凌云光招股說明書及各公司年報，當前，奧普特與凌云光已具備 光源和光源控制器、鏡頭、相機、視覺控制系統(tǒng)四大機器視覺產(chǎn)品的生產(chǎn)能力，并可設 計硬件方案及整體解決方案，根據(jù)不同客戶的實際應用場景提供定制化服務。

基于上述系統(tǒng)的產(chǎn)品優(yōu)勢，國內(nèi)企業(yè)的客戶資源明顯優(yōu)化。3C 及電子領域的產(chǎn)品迭代 迅速，對機器視覺的需求更新時間也較短。奧普特作為業(yè)內(nèi)領先公司，與蘋果、華為等 龍頭 3C 客戶開展合作，并積極入局對電子器件與設備擁有高需求的新能源汽車領域，導入寧德時代、比亞迪等頭部客戶，持續(xù)發(fā)展競爭能力、擴大領先優(yōu)勢。根據(jù)年報披露， 2021 年奧普特在 3C 和新能源領域的營收占比分別達到 59.1%和 29.5%。 奧普特早在 2010 年就通過富士康進入蘋果供應鏈，順利切入 3C 賽道，并于 2016 年正 式成為蘋果直接供應商，2019 年開始，蘋果公司逐步調(diào)整下單方式，從以往的直接采 購變?yōu)橹苯硬少徍椭付ǖ谌讲少弮煞N合作模式共存，其中指定第三方采購模式是指由 蘋果公司直接主導、驗證、定型的設備涉及的相關(guān)視覺部件，在獲得蘋果公司認可后， 轉(zhuǎn)由相應的設備供應商按照蘋果公司確定的型號從公司采購。2019 年奧普特來自蘋果 及其子公司的收入同比增長 79.7%至 2.07 億元，占主營收入的比重達到 39.4%。

凌云光在消費電子領域長期服務蘋果、華為和小米產(chǎn)業(yè)鏈，與鴻海精密、歌爾股份等領 先制造商建立長期合作關(guān)系；新能源領域廣泛服務于福萊特、寧德時代、信義集團等行 業(yè)龍頭；新型顯示領域擁有京東方、華星光電、天馬等行業(yè)領先客戶。2021 年，凌云光 前 5 大客戶的銷售額占比 22.92%，客戶均集中在電子等快速發(fā)展的科技領域，為公司 帶來持續(xù)的發(fā)展動力。

積極擴產(chǎn)+行業(yè)助力，國產(chǎn)有望彎道超車

隨著下游需求持續(xù)增長、客戶對國產(chǎn)品牌認可度不斷提升，我國機器視覺市場代表企業(yè) 開啟募投擴張時代。2019-2022 年，矩子科技、奧普特及凌云光先后提交 IPO 申請，通 過上市募集資金來投資產(chǎn)能擴張、技術(shù)研發(fā)項目。3 家企業(yè)合計募集資金超 30 億元， 其中產(chǎn)能擴張項目擬使用資金約 22 億元。

總體上，當前機器視覺行業(yè)技術(shù)迭代升級快，下游應用場景新需求不斷涌現(xiàn)，形成技術(shù) 供給和應用需求雙頻共振的良好發(fā)展趨勢，有利于維持行業(yè)未來的持續(xù)高增長。此外， 國內(nèi)的鋰電、光伏行業(yè)發(fā)展處于國際頭部水平，國產(chǎn)廠商有望借助下游景氣行業(yè)實現(xiàn)對 外資品牌的彎道超車。